Question

我想用java的正则表达式提取网页正文，但不知道哪里错了，请帮忙看一下这个表达式

<div class="content-body" id="shareBody">(.*?)</div>,输出group(1),不知道为什么输出的是空白

Answer 1

<div\sclass\="content\-body"\sid\="shareBody">(?<value>(\w*))<\/div>

import java.util.regex.*;

// 表达式对象

Pattern p = Pattern.compile("<div\\sclass\\=\"content\\-body\"\\sid\\=\"shareBody\">(?<value>(\\w*))<\\/div>");

// 创建 Matcher 对象

Matcher m = p.matcher("");

// 是否找到匹配

boolean found = m.find();

if( found )

{

    String foundstring = m.group();

    int    beginPos    = m.start();

    int    endPos      = m.end();

}

Answer 2

工具选择有问题。
规则式主要用于纯粹情况。
建议直接使用xpath。
还有更强的dt-xml，不过API似乎有点。。。

Answer 3

正则不是写在内容里，而是写在js里面

Answer 4

给一个你的测试用的字符串